Meta人工智能科学家、图灵奖得主Yann LeCun对此表示质疑。在他看来，大模型对于数据和算力的需求实在太大，学习效率却不高，因此学习「世界模型」才能通往AGI之路。不过，微软最近发表的154页论文，微软认为，虽然还不完整，但GPT-4已经可以被视为通用人工智能的早期版本。
AGI的智能体现在能够像人类一样思考和推理，并且还能够涵盖广泛的认知技能和能力。
论文中，指出AGI具有推理、规划、解决问题、抽象思维、理解复杂思想、快速学习和经验学习能力。
从参数规模上来看，Semafor报道称GPT-4有1万亿个参数，是GPT-3（1750亿个参数）的6倍大。
网友用GPT参数规模大脑神经元做了类比：GPT-3的规模与刺猬大脑类似（1750亿个参数）。如果GPT-4拥有1万亿个参数，我们就接近松鼠大脑的规模了。以这个速度发展下去，也许只需要几年时间，我们就能达到并超越人类大脑的规模（170万亿参数）。
这篇论文的研究对象，是GPT-4的早期版本。它还处于早期开发阶段时，微软的研究者就对它进行了各种实验和测评。
在研究者看来，这个早期版本的GPT-4，就已经是新一代LLM的代表，并且相较于之前的人工智能模型，展现出了更多的通用智能。
通过测试，微软的研究者证实：GPT-4不仅精通语言，还能在数学、编程、视觉、医学、法律、心理学等多样化和高难度的任务中表现出色，且无需特别提示。
令人惊奇的是，在所有这些任务中，GPT-4 的表现已经接近人类水平，并且时常超过之前的模型，比如ChatGPT。
因此，研究者相信，鉴于GPT-4在广度和深度上的能力，它可以被视为通用人工智能（AGI）的早期版本。
那么，它朝着更深入、更全面的AGI前进的路上，还有哪些挑战呢？研究者认为，或许需要寻求一种超越「预测下一个词」的新范式。
自GPT-4发布后，大家对其多模态能力的印象还停留在Greg Brockman当时演示的视频上。
GPT-4不仅在文学、医学、法律、数学、物理科学和程序设计等不同领域表现出高度熟练程度，而且它还能够将多个领域的技能和概念统一起来，并能理解其复杂概念。
微软这篇长达154页的论文背后有着强大的作者阵容。其中就包括：微软雷德蒙德研究院首席研究员、2015年斯隆奖得主Sébastien Bubeck、2023新视野数学奖得主 Ronen Eldan、2020斯隆研究奖得主Yin Tat Lee、2023新晋斯隆研究奖得主李远志。
